关于固定效应，参看：1.交互项! 交互项! 固定效应回归模型中的交互项！2.在Stata中如何做2SLS, DID, DEA, SFA, 面板PSM, 二值选择, 固定效应和时间序列？3.一定要控制时间固定效应吗？4.公司和个体固定效应总是更好吗? 关于固定效应使用和解释的最全指南！5.使用固定效应FE时良好做法对应的检查清单，6.双向固定效应多期DID最新进展和代码汇总, 关于控制变量和固定效应选取的讨论，7.快速估计带有高维固定效应的泊松模型, 这计算速度真快, 真实用！8.不能直接控制某个固定效应时, 我们能尽量做些什么呢？9.时间固定效应和时间趋势项的区别, 可以同时加？10.省份/行业固定效应与年份固定效应的交乘项固定效应，11.截面DID, 各种固定效应, 安慰剂检验, 置换检验, 其他外部冲击的处理，12.广义合成控制法gsynth, 基于交互固定效应的因果推断

Jennings, Jared N. and Kim, Jung Min and Lee, Joshua A. and Taylor, Daniel, Measurement Error, Fixed Effects, and False Positives in Accounting Research (2023). Review of Accounting Studies, forthcoming

We show theoretically and empirically that measurement error can bias in favor of falsely rejecting a true null hypothesis (i.e., a “false positive”) and that regression models with high-dimensional fixed effects can exacerbate measurement error bias and increase the likelihood of false positives. We replicate inferences from prior work in a setting where we can directly observe the amount of measurement error and show that the combination of measurement error and fixed effects materially inflates coefficients and distorts inferences. We provide researchers with a simple diagnostic tool to assess the possibility that the combination of measurement error and fixed effects might give rise to a false positive, and encourage researchers to triangulate inferences across multiple empirical

实证研究中的测量误差、固定效应和误报

一、摘要

二、引言

三、模拟

本节一共有三次模拟过程，贯穿于所有的模拟过程，作者使用了100个横截面单元（也可以称为“企业”）的平衡面板和30个时间单元（也可以称为“年”）。每一次模拟，作者都构建数据生成过程（DGP），估计回归方程并将该过程重复1000次。

3.1 在自变量中的经典测量误差

3.2 当自变量与控制变量具有相关性

3.3 测量误差和固定效应

3.3.1固定效应吸收率

3.3.2错误显著性

由以上的分析我们可以看出，测量误差与固定效应的结合有可能会带来错误的显著性。在本小节中，作者使用双边5%的置信水平将错误显著率展示如表5所示：

3.3.3诊断性检验

四、实证分析

回归模型设定：

其中，Outcome代表管理预测、8-Kfilings、报道发布（初次发布）和重申（对于欺诈、不实描述、SEC调查等的指示变量）。NonCompete是NonCompete^或NonCompete，其中NonCompete^是从Compustat中获得的禁止竞争指数（非准确），NonCompete是从10-K中获得的禁止竞争指数（准确）。NonCompete^- NonCompete*等于测量误差。Controls是用于先前研究人员发表在期刊中所用的控制变量，Firm和Year分别代表企业固定效应和年固定效应。

回归结果：

4.1州禁止竞争法和吸收率

五、总结

1.用"因果关系图"来进行因果推断的新技能，2.因果推断专题：因果图，3.因果推断专题：有向无环图DAG，4.confounder与collider啥区别? 混淆 vs 对撞，5.三张图秒懂, 混淆, 中介, 调节, 对撞, 暴露, 结果和协变量的复杂关系，6.中介效应检验流程, 示意图公布, 不再畏惧中介分析，7.图灵奖得主Pearl的因果推断新科学，Book of Why?8.前沿: nature刊掀起DAG热, 不掌握就遭淘汰无疑！因果关系研究的图形工具!9.前沿: 卫星数据在实证研究中的应用, 用其开展因果推断的好处！10.7大因果推断大法精选实证论文, 可用于中国本土博士课堂教学！11.随机分配是什么, 为什么重要, 对因果关系影响几何？12.应用计量经济学现状: 因果推断与政策评估最全综述，13.疫情期计量课程免费开放！面板数据, 因果推断, 时间序列分析与Stata应用，14.Python做因果推断的方法示例, 解读与code，15.内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS，16.不用IV, 基于异方差识别方法解决内生性, 赐一篇文献等等。